Python 为日志定义boudned ufunc

我试图定义一个函数

log\u bounded

，该函数与numpy的

log

函数相同，用于正输入，但对于非正输入，它会给出一个很大的负数。我需要它是一个可以接受数组作为输入的ufunc

到目前为止，我已经：

def log_bounded(x,verysmall=np.exp(-100)):
    return np.log(np.maximum(x,verysmall))

此操作有效，负输入返回-100：

>>> log_bounded(2.72)
1.000631880307906
>>> log_bounded(-5)
-100.0

但我希望它返回一个更低的值，比如-10**10。我认为理想的方法是检查x的值并直接返回低值，而不是记录接近零的值，例如

def log_bounded_if(x, verylow=-10**10):
    if x > 0:
        return np.log(x)
    else:
        return verylow

但是，这个函数不会对数组进行元素操作，因为

if

试图对整个数组运行一次

Scipy可以使用

Scipy.max（Scipy.log（x），verylow）

完成这项工作，因为

Scipy.log

在非正输入上的计算结果为负无穷大。但是，我需要使用numpy，因为它将与numba的

autojit一起运行，而scipy似乎消除了速度优势。
您可以通过

最小解决方案：

将numpy导入为np
def log_有界（x，verylow=-10**10）：
y=np.log（x）
y[x 0:
y=np.log（x）
其他：
y=verylow
其他：
y=np.空的（x）
y[x>0]=np.log（x[x>0]）#仅在需要时计算日志
y[x您不妨为“verylow”条目节省昂贵的“log”操作：
out=np.empty_like（x，dtype=float）；mask=x Falko，您的解决方案可以在数组上运行，但如果x只是一个数字，则会抛出一个错误。好吧，我不知道可能存在标量输入（不是数组类型）。我相应地更新了我的答案。顺便说一句，我加入了Jaime的建议。谢谢！谢谢Falko-你的答案正是我想要的。尽管出于我还不明白的原因，它让我失去了numba的autojit相对于np.log的速度提升。（另外，为了让它与numba一起工作，我不得不删除关键字参数verylow。）
import numpy as np

def log_bounded(x, verylow=-10**10):
    if np.isscalar(x):               # handle scalars as well
        if x > 0:
            y = np.log(x)
        else:
            y = verylow
    else:
        y = np.empty_like(x)
        y[x > 0] = np.log(x[x > 0])  # compute log only where needed
        y[x <= 0] = verylow
    return y

print log_bounded(-3), log_bounded(np.arange(-2, 3)), log_bounded(3)